Directorio de modelos de IA — Generación de vídeo, imagen y audio

Explora y prueba 125 modelos de 16 proveedores. Abre cualquier tarjeta para probar el modelo en el playground.

Los precios por variante de cada submodelo están en la página de precios.

Tipo(5)

Proveedor(16)

Capacidades(12)

Coming soon: the fast Kling 4.0 model. 3-20s at 720p, text-to-video, image-to-video, Omni Reference.

Ver detalles

Kling 4.0 Flash

Kling

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Coming soon: 5-20s video with native audio, up to 10 keyframes, video continuation, draft mode.

Ver detalles

FLUX 3 Video

Black Forest Labs

Texto a vídeo
Imagen a vídeo
Vídeo a vídeo

3-30s video with stereo audio, up to 10 reference images, keyframes, 21:9, multi-shot. 10% launch sale.

Probar este modelo

Kling 4.0

Kling

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Kling 4.0 precios

#1 on the Vals Index (68.9%), 77.9% DeepSWE v1.1, 91.7% LVBench, 1M context.

Probar este modelo

Gemini 4 Argon

Google

Texto a texto

Gemini 4 Argon precios

Up to 15 reference images and 3 voice references, 540p to 4K, 1-16s, native audio.

Probar este modelo

Vidu Q4

Vidu

Imagen a vídeo
Referencia a vídeo

Vidu Q4 precios

#2 on Artificial Analysis TTS arena, audio tags, multi-speaker dialogue, per-request voice cloning.

Probar este modelo

Eleven v4

ElevenLabs

Texto a voz

#1 on Artificial Analysis TTS arena, ~100 ms median inference, audio tags, dialogue, voice cloning.

Probar este modelo

Eleven v4 Turbo

ElevenLabs

Texto a voz

Eleven v4 and v4 Turbo TTS, multi-voice dialogue, sound effects, vocal isolation, speech-to-text.

Probar este modelo

ElevenLabs

Texto a voz
Efectos de sonido
Voz a texto

ElevenLabs precios

Up to 9 image/video/audio references, T2V or first/last frame, 4–15s, up to 4K on Pro.

Probar este modelo

SeeDance 2.0

ByteDance

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo
Edición de video

SeeDance 2.0 precios

Up to 9 references, T2V or first/last frame, 4–15s, 480p or 720p, cost-optimized.

Probar este modelo

SeeDance 2.0 Mini

ByteDance

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo
Edición de video

SeeDance 2.0 Mini precios

Up to 9 references, T2V or first/last frame, 4–15s at 480p or 720p, faster turnaround.

Probar este modelo

SeeDance 2.0 Fast

ByteDance

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo
Edición de video

SeeDance 2.0 Fast precios

Generate music, extend songs, add vocals, isolate stems, and write lyrics.

Probar este modelo

Suno

Música
Efectos de sonido

Suno precios

1M context, 128k output, 72.4% OSWorld 2.1, the first Haiku with adaptive thinking.

Probar este modelo

Claude Haiku 5.5

Anthropic

Texto a texto

Claude Haiku 5.5 precios

Nano Banana 2.1: 1K, 2K, or 4K output, 5 aspect ratios plus auto, up to 10 references.

Probar este modelo

Nano Banana 2.1

Google

Texto a imagen
Imagen a imagen

Nano Banana 2.1 precios

Elo 1267 on Artificial Analysis TTS, vocal bursts, two-speaker dialogue, 130+ languages.

Probar este modelo

Gemini 3.8 Flash TTS

Google

Texto a voz

Gemini 3.8 Flash TTS precios

The high-volume Gemini 3.8 voice, Elo 1241 on Artificial Analysis TTS, 100+ languages.

Probar este modelo

Gemini 3.8 Flash Lite TTS

Google

Texto a voz

Gemini 3.8 Flash Lite TTS precios

Near-Astra coding and computer use at a fifth of Astra's price, 75.2% DeepSWE, 1M context, cached input at half GPT 6 Sol's rate.

Probar este modelo

GPT 6.1 Sol

OpenAI

Texto a texto

GPT 6.1 Sol precios

1M context, 128k output, 70.6% Terminal-Bench 4.0, 30%+ faster than Sonnet 5.

Probar este modelo

Claude Sonnet 5.5

Anthropic

Texto a texto

Claude Sonnet 5.5 precios

1M context, image input, 56.4% Agents' Last Exam at 60% less per task than Opus 5, half the price of GPT 5.6 Sol.

Probar este modelo

GPT 6 Sol

OpenAI

Texto a texto

GPT 6 Sol precios

OpenAI's cheapest GPT-6, 1M context, 66.6% DeepSWE for $0.22 a task, 93% less than Opus 5.

Probar este modelo

GPT 6 Luna

OpenAI

Texto a texto

GPT 6 Luna precios

1M context, 384K max output, 552B MoE with 16B active, 74.2% DeepSWE v1.1.

Probar este modelo

DeepSeek V4.1 Flash

DeepSeek

Texto a texto

DeepSeek V4.1 Flash precios

1.6T MoE with 49B active, 1M context, 384K max output, thinking on by default.

Probar este modelo

DeepSeek V4 Pro

DeepSeek

Texto a texto

DeepSeek V4 Pro precios

Versioned V4 Flash ID, now answered by V4.1 Flash. 1M context, 384K max output.

Probar este modelo

DeepSeek V4 Flash

DeepSeek

Texto a texto

DeepSeek V4 Flash precios

1M context, 128k output, 66.4% Terminal-Bench 4.0.

Probar este modelo

Claude Opus 5.5

Anthropic

Texto a texto

Claude Opus 5.5 precios

500k context, image input, four reasoning efforts, 46.3% CursorBench 4.0, #5 Harvey Legal Agent.

Probar este modelo

Grok 4.7

xAI

Texto a texto

Grok 4.7 precios

Flare for speed, Sunburst for edit precision: 1K/2K/4K, 15 aspect ratios, 16 reference images, transparent output.

Probar este modelo

GPT Image 2.5

OpenAI

Texto a imagen
Imagen a imagen

GPT Image 2.5 precios

1M context, image input, effort up to max, 58.2% Terminal-Bench 4.0, 59.3% Agents' Last Exam.

Probar este modelo

GPT 6 Astra

OpenAI

Texto a texto

GPT 6 Astra precios

1M context, 5 reasoning efforts incl. minimal, 83.6% MCP Atlas, 57.9% Finance Agent v2, 189 tok/s.

Probar este modelo

Gemini 3.5 Flash

Google

Texto a texto

Gemini 3.5 Flash precios

1M context, four reasoning efforts, 73.7% DeepSWE v1.1, 89.4% Terminal-Bench 2.1, 305 tok/s.

Probar este modelo

Gemini 3.8 Flash

Google

Texto a texto

Gemini 3.8 Flash precios

1M context, 128k output, 55.8% Terminal-Bench 4.0, 90.0% ARC-AGI-2.

Probar este modelo

Claude Fable 5.1

Anthropic

Texto a texto

Claude Fable 5.1 precios

500k context, image input, three reasoning efforts, 79.3% Terminal-Bench 2.1, trained with Cursor.

Probar este modelo

Grok 4.5

xAI

Texto a texto

Grok 4.5 precios

1M context, image input, four reasoning efforts incl. none, 115.8 tok/s, 98% Tau2-Bench Telecom.

Probar este modelo

Grok 4.3

xAI

Texto a texto

Grok 4.3 precios

256k context, image input, agentic coding with function calling and MCP, 0.53s first token.

Probar este modelo

Grok Build 0.1

xAI

Texto a texto

Grok Build 0.1 precios

1M context, image input, thinking on, agentic tool calling, 98.9 tok/s, 72.2% SWE-bench Verified.

Probar este modelo

Grok 4.20 Reasoning

xAI

Texto a texto

Grok 4.20 Reasoning precios

1M context, image input, no thinking phase, 0.64s first token, 95.8 tok/s, agentic tool calling.

Probar este modelo

Grok 4.20 Non-Reasoning

xAI

Texto a texto

Grok 4.20 Non-Reasoning precios

Leader agent plus 4 or 16 sub-agents in parallel, 1M context, image input, Responses API only.

Probar este modelo

Grok 4.20 Multi-Agent

xAI

Texto a texto

Grok 4.20 Multi-Agent precios

Text, image, and character references with voice presets; 4-10s videos plus conversational editing.

Probar este modelo

Gemini Omni Flash 1.1

Google

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Edición de video

Gemini Omni Flash 1.1 precios

Fast Wan 3.0: same 2–30s videos with audio and T2V/I2V/R2V modes, much shorter generation times.

Probar este modelo

Wan 3.0 Prime

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Wan 3.0 Prime precios

Inline audio tags, two-speaker dialogue, 30 voices, 70+ languages.

Probar este modelo

Gemini 3.1 Flash TTS

Google

Texto a voz

Gemini 3.1 Flash TTS precios

High-quality narration with 30 voices, dialogue mode, and 70+ languages.

Probar este modelo

Gemini 2.5 Pro TTS

Google

Texto a voz

Gemini 2.5 Pro TTS precios

Fastest, lowest cost per second, with 30 voices and dialogue mode.

Probar este modelo

Gemini 2.5 Flash TTS

Google

Texto a voz

Gemini 2.5 Flash TTS precios

2–30s videos with audio, T2V/I2V/R2V, document and webpage inputs, up to 20 references, 480P–1080P.

Probar este modelo

Wan 3.0

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Wan 3.0 precios

500k context, image input, four reasoning efforts, 95.6% SWE-bench Verified, #1 CursorBench 3.2.

Probar este modelo

Grok 4.6

xAI

Texto a texto

Grok 4.6 precios

1M context, 64k output, text/image/audio/video input, ~340 tok/s, 97% MRCR long-context recall.

Probar este modelo

Gemini 3.7 Flash

Google

Texto a texto

Gemini 3.7 Flash precios

Quality-focused xAI text-to-image and reference editing with up to 5 input images.

Probar este modelo

Grok Imagine 2.0 Image

xAI

Texto a imagen
Imagen a imagen

Grok Imagine 2.0 Image precios

1M context, 65k output, multimodal input, 83% OSWorld-Verified, 234 tok/s output speed.

Probar este modelo

Gemini 3.6 Flash

Google

Texto a texto

Gemini 3.6 Flash precios

Animate a start image, 1–15s, 480p to 1080p, the only Grok route that reaches 1080p.

Probar este modelo

Grok Imagine 1.5 Video

xAI

Imagen a vídeo

Grok Imagine 1.5 Video precios

4-30s, 480p to 1080p, native audio, first/last frames, and up to 50 multimodal references.

Probar este modelo

SeeDance 2.5

ByteDance

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo
Edición de video

SeeDance 2.5 precios

2K at 24 fps with native audio, 4-15s, six aspect ratios, start/end frames, and reference-to-video.

Probar este modelo

MiniMax Hailuo H3

MiniMax

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

MiniMax Hailuo H3 precios

1M context, 128k output, image input, 43.3% Frontier-Bench v0.1, 30.2% ARC-AGI 3.

Probar este modelo

Claude Opus 5

Anthropic

Texto a texto

Claude Opus 5 precios

2.8T parameters, open weights, 1M context, 131k default output, always-on thinking.

Probar este modelo

Kimi K3

Moonshot AI

Texto a texto

Kimi K3 precios

1M context, 128k output, 88.8% Terminal-Bench 2.1, 80 Coding Agent Index, ultra subagent mode.

Probar este modelo

GPT 5.6 Sol

OpenAI

Texto a texto

GPT 5.6 Sol precios

1M context, 128k output, 77.4 Coding Agent Index, beats Fable 5 on Agents' Last Exam.

Probar este modelo

GPT 5.6 Terra

OpenAI

Texto a texto

GPT 5.6 Terra precios

Fastest GPT 5.6, 1M context, beats Fable 5 on Agents' Last Exam, ahead of Opus 4.8 on coding.

Probar este modelo

GPT 5.6 Luna

OpenAI

Texto a texto

GPT 5.6 Luna precios

Up to 10 reference images, 8 aspect ratios, 1K/1.5K/2K output, one image per call.

Probar este modelo

SeeDream 5.0 Pro

ByteDance

Texto a imagen
Imagen a imagen

SeeDream 5.0 Pro precios

1M context, 128k output, text and image input, adaptive thinking, top Arena Text and Vision rank.

Probar este modelo

Claude Fable 5

Anthropic

Texto a texto

Claude Fable 5 precios

200k context, 64k output, 77.2% SWE-bench Verified, 61.4% OSWorld, extended thinking.

Probar este modelo

Claude Sonnet 4.5

Anthropic

Texto a texto

200k context, 64k output, 80.9% SWE-bench Verified, effort controls from low to high.

Probar este modelo

Claude Opus 4.5

Anthropic

Texto a texto

200k context, 64k output, 73.3% SWE-bench Verified, 50.7% OSWorld, extended thinking.

Probar este modelo

Claude Haiku 4.5

Anthropic

Texto a texto

Claude Haiku 4.5 precios

Agentic coding, 1M context, 128k output, image input, 85.2% SWE-bench Verified.

Probar este modelo

Claude Sonnet 5

Anthropic

Texto a texto

Claude Sonnet 5 precios

Sub-2s generation, 14 aspect ratios, 1K output, up to 14 reference images.

Probar este modelo

Nano Banana 2 Lite

Google

Texto a imagen
Imagen a imagen

Nano Banana 2 Lite precios

Up to 9 ref images, 720p or 1080p, 3–15s, native audio and lip-sync in one pass.

Probar este modelo

HappyHorse 1.1

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

HappyHorse 1.1 precios

T2V or I2V, 3–15s at 720p Standard or 1080p Pro, no multi-shot or native audio.

Probar este modelo

Kling 3.0 Turbo

Kling

Texto a vídeo
Imagen a vídeo

Kling 3.0 Turbo precios

1M context, 128k output, 88.6% SWE-bench Verified, 83.4% OSWorld, adaptive thinking.

Probar este modelo

Claude Opus 4.8

Anthropic

Texto a texto

Claude Opus 4.8 precios

Agentic coding, 79.8% SWE-Bench Multilingual, 69.3% Terminal-Bench 2.0, tuned for long agent runs.

Probar este modelo

Composer 2.5

Cursor

Texto a texto

Composer 2.5 precios

Low-latency default variant of Composer 2.5, same intelligence, 79.8% SWE-bench Multilingual.

Probar este modelo

Composer 2.5 Fast

Cursor

Texto a texto

Composer 2.5 Fast precios

T2V, I2V, or R2V up to 9 reference images, 720P or 1080P, 3–15s videos with joint audio-video.

Probar este modelo

HappyHorse 1.0

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

HappyHorse 1.0 precios

1M context, 128k output, 82.7% Terminal-Bench 2.0, 78.7% OSWorld, 85% ARC-AGI-2.

Probar este modelo

GPT 5.5

OpenAI

Texto a texto

GPT 5.5 precios

T2I or reference editing, 5 aspect ratios, 1K, 2K, or 4K resolution control.

Probar este modelo

GPT Image 2

OpenAI

Texto a imagen
Imagen a imagen

GPT Image 2 precios

1M context, 128k output, 87.6% SWE-bench Verified, 78% OSWorld, 2576px image input.

Probar este modelo

Claude Opus 4.7

Anthropic

Texto a texto

Claude Opus 4.7 precios

T2I or editing up to 2K, thinking mode for better quality, up to 9 reference images.

Probar este modelo

Wan 2.7 Image

Alibaba

Texto a imagen
Imagen a imagen

Wan 2.7 Image precios

T2I or editing up to 4K, thinking mode for better quality, up to 9 reference images.

Probar este modelo

Wan 2.7 Image Pro

Alibaba

Texto a imagen
Imagen a imagen

Wan 2.7 Image Pro precios

T2V, I2V, or R2V with first/last frame, video continuation, lip-sync, 2–15s at 720P or 1080P.

Probar este modelo

Wan 2.7

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Wan 2.7 precios

Edit 2–10s videos with up to 4 reference images at 720P or 1080P, plus audio passthrough.

Probar este modelo

Wan 2.7 Video Edit

Alibaba

Edición de video

Wan 2.7 Video Edit precios

400k context, 128k output, 54.4% SWE-Bench Pro, 72.1% OSWorld, over 2x faster than GPT-5 mini.

Probar este modelo

GPT 5.4 Mini

OpenAI

Texto a texto

400k context, 128k output, 52.4% SWE-Bench Pro, 82.8% GPQA Diamond, effort levels none to xhigh.

Probar este modelo

GPT 5.4 Nano

OpenAI

Texto a texto

Native computer use, 75% OSWorld-Verified, up to 1M context, 128k output, tool search for agents.

Probar este modelo

GPT 5.4

OpenAI

Texto a texto

GPT 5.4 precios

1M context, 128k output, 79.6% SWE-bench Verified, 72.5% OSWorld, adaptive thinking.

Probar este modelo

Claude Sonnet 4.6

Anthropic

Texto a texto

Claude Sonnet 4.6 precios

Edit a 3–60s video by prompt, swap objects from up to 5 reference images, keep the original audio.

Probar este modelo

HappyHorse 1.0 Video Edit

Alibaba

Edición de video

HappyHorse 1.0 Video Edit precios

1M context, 128k output, effort controls, top Arena Document and Search rank.

Probar este modelo

Claude Opus 4.6

Anthropic

Texto a texto

Claude Opus 4.6 precios

Multi-shot 2–6 scenes per call, 3–15s single-shot, 4K mode, with Audio 2.0 lip-sync.

Probar este modelo

Kling 3.0

Kling

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Kling 3.0 precios

Motion transfer onto a character with high facial consistency, 720p Std or 1080p Pro.

Probar este modelo

Kling 3.0 Motion Control

Kling

Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Kling 3.0 Motion Control precios

T2I or editing with up to 10 reference images, 9 aspect ratios incl. auto, and 1K to 4K.

Probar este modelo

Kling 3.0 Omni Image

Kling

Texto a imagen
Imagen a imagen

Kling 3.0 Omni Image precios

Up to 7 references plus elements, video reference/transform, multi-shot 2–6, 4K mode.

Probar este modelo

Kling 3.0 Omni

Kling

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Kling 3.0 Omni precios

Edit videos with reference (style guide) or transform mode, plus image and video elements.

Probar este modelo

Kling 3.0 Omni Edit

Kling

Edición de video

Kling 3.0 Omni Edit precios

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Probar este modelo

SeeDream 5.0 Lite

ByteDance

Texto a imagen
Imagen a imagen

SeeDream 5.0 Lite precios

T2I with Chinese and English text rendering, 7 aspect ratios. No editing.

Probar este modelo

Z-Image Turbo

Alibaba

Texto a imagen

Z-Image Turbo precios

T2V, I2V, or R2V up to 5 references, 720p or 1080p, 2–15s, with auto audio and multi-shot.

Probar este modelo

Wan 2.6

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Wan 2.6 precios

Faster Wan 2.6 with T2V/I2V/R2V, multi-shot, and auto-audio up to 1080p.

Probar este modelo

Wan 2.6 Flash

Alibaba

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Wan 2.6 Flash precios

T2I, editing, or style transfer with 1–4 reference images and 7 aspect ratios.

Probar este modelo

Wan 2.6 Image

Alibaba

Texto a imagen
Imagen a imagen

Wan 2.6 Image precios

Portada de Kling 2.6 Control de Movimiento

Transfer motion from a reference video onto a character image, 720p Std or 1080p Pro.

Probar este modelo

Kling 2.6 Control de Movimiento

Kling

Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Kling 2.6 Control de Movimiento precios

T2V or I2V at 720p Standard or 1080p Pro, 5 or 10s, with optional end frame and audio.

Probar este modelo

Kling 2.6

Kling

Texto a vídeo
Imagen a vídeo

Kling 2.6 precios

Balanced production runs, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.

Probar este modelo

Flux.2 Pro

Black Forest Labs

Texto a imagen
Imagen a imagen

Flux.2 Pro precios

9B Flux.2 Klein, 7 aspect ratios up to 4MP, reference image support.

Probar este modelo

Flux.2 Klein 9B

Black Forest Labs

Texto a imagen
Imagen a imagen

Flux.2 Klein 9B precios

4B Flux.2 Klein, smallest in the line, 7 aspect ratios up to 4MP, reference image support.

Probar este modelo

Flux.2 Klein 4B

Black Forest Labs

Texto a imagen
Imagen a imagen

Flux.2 Klein 4B precios

T2I plus multi-image fusion editing, 5 aspect ratios, smart prompt rewriting on by default.

Probar este modelo

Qwen Image 2.0

Alibaba

Texto a imagen
Imagen a imagen

Qwen Image 2.0 precios

Text rendering, multi-image fusion editing, 5 aspect ratios, highest output in the line.

Probar este modelo

Qwen Image 2.0 Pro

Alibaba

Texto a imagen
Imagen a imagen

Qwen Image 2.0 Pro precios

Reasoning video gen with up to 7 references, image-only elements, single-shot 3–10s, 720p/1080p.

Probar este modelo

Kling O1

Kling

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Kling O1 precios

Reasoning image gen with up to 10 reference images, 9 aspect ratios, and 1K or 2K output.

Probar este modelo

Kling O1 Image

Kling

Texto a imagen
Imagen a imagen

Kling O1 Image precios

Reasoning video editing with reference or transform mode, up to 4 reference images.

Probar este modelo

Kling O1 Edit

Kling

Edición de video

Kling O1 Edit precios

Gemini 3 image gen with 1K, 2K, or 4K, 10 aspect ratios, and reference image support.

Probar este modelo

Nano Banana Pro

Google

Texto a imagen
Imagen a imagen

Nano Banana Pro precios

T2V or I2V with optional end frame, 5 or 10s at 720p Standard or 1080p Pro.

Probar este modelo

Kling 2.5 Turbo

Kling

Texto a vídeo
Imagen a vídeo

Kling 2.5 Turbo precios

Animates a start frame from your prompt, 768p or 1080p, 6 or 10 seconds.

Probar este modelo

MiniMax Hailuo 2.3

MiniMax

Imagen a vídeo

MiniMax Hailuo 2.3 precios

Image-led speed variant, start image required, 768p or 1080p, 6 or 10 seconds.

Probar este modelo

MiniMax Hailuo 2.3 Fast

MiniMax

Imagen a vídeo

MiniMax Hailuo 2.3 Fast precios

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Probar este modelo

SeeDream 4.5

ByteDance

Texto a imagen
Imagen a imagen

SeeDream 4.5 precios

4 model variants, 720p–4K, lip-synced dialogue and SFX in one call.

Probar este modelo

Veo 3.1

Google

Texto a vídeo
Imagen a vídeo
Referencia a vídeo
Vídeo a vídeo

Veo 3.1 precios

Gemini image gen with 1K, 2K, or 4K resolution control and 10 aspect ratios.

Probar este modelo

Nano Banana 2

Google

Texto a imagen
Imagen a imagen

Nano Banana 2 precios

T2I or editing with 1–3 reference images, 7 aspect ratios, prompt extend on by default.

Probar este modelo

Wan 2.5 Image

Alibaba

Texto a imagen
Imagen a imagen

Wan 2.5 Image precios

T2V or I2V at 480p, 720p, or 1080p, 5 or 10s, with auto audio or custom audio sync.

Probar este modelo

Wan 2.5

Alibaba

Texto a vídeo
Imagen a vídeo

Wan 2.5 precios

T2I plus reference editing, 5 aspect ratios, smart prompt rewriting, negative prompts.

Probar este modelo

Qwen Image

Alibaba

Texto a imagen
Imagen a imagen

Qwen Image precios

Photoreal T2I plus reference editing, 5 aspect ratios, fewest synthetic artifacts in line.

Probar este modelo

Qwen Image Max

Alibaba

Texto a imagen
Imagen a imagen

Qwen Image Max precios

Stylistic T2I plus reference editing, 5 aspect ratios, fast sampling for design exploration.

Probar este modelo

Qwen Image Plus

Alibaba

Texto a imagen
Imagen a imagen

Qwen Image Plus precios

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Probar este modelo

SeeDream 4.0

ByteDance

Texto a imagen
Imagen a imagen

SeeDream 4.0 precios

T2V or first/last frame at 720p or 1080p, with 5, 10, or 12s videos.

Probar este modelo

SeeDance 1.5 Pro

ByteDance

Texto a vídeo
Imagen a vídeo

SeeDance 1.5 Pro precios

Start frame, end frame, or both, 512p, 768p or 1080p, 6 or 10 seconds.

Probar este modelo

MiniMax Hailuo 2.0

MiniMax

Imagen a vídeo

MiniMax Hailuo 2.0 precios

Text-to-image only, 5 aspect ratios, negative prompts and seeds for reproducible output.

Probar este modelo

Wan 2.2 Image

Alibaba

Texto a imagen

Wan 2.2 Image precios

Cheapest T2I in the Wan line, 5 aspect ratios, negative prompts and seeds. No editing.

Probar este modelo

Wan 2.2 Image Flash

Alibaba

Texto a imagen

Wan 2.2 Image Flash precios

Silent T2V or I2V, fixed 5s videos at 480p or 1080p, with negative prompts and seeds.

Probar este modelo

Wan 2.2

Alibaba

Texto a vídeo
Imagen a vídeo

Wan 2.2 precios

Fastest Wan 2.2 silent T2V/I2V, fixed 5s videos, with I2V at 720p in addition to 480p/1080p.

Probar este modelo

Wan 2.2 Fast

Alibaba

Texto a vídeo
Imagen a vídeo

Wan 2.2 Fast precios

Deprecated original Nano Banana (Gemini 2.5 Flash Image). Use Nano Banana 2.1 for new work.

Probar este modelo

Nano Banana

Google

Texto a imagen
Imagen a imagen

Upscale to 480p–8K with 21 Topaz model presets, optional frame interpolation, source FPS preserved by default.

Probar este modelo

Topaz Video Upscale

Topaz Labs

Vídeo a vídeo

Topaz Video Upscale precios

AI image upscale 1x–16x with denoise, sharpen, and face enhancement controls.

Probar este modelo

Topaz Image Upscale

Topaz Labs

Imagen a imagen

Topaz Image Upscale precios

T2V or I2V at Pro 1080p only, 5 or 10s, with optional sound effects and music.

Probar este modelo

Kling 2.1 Master

Kling

Texto a vídeo
Imagen a vídeo

Kling 2.1 Master precios

Extend a finished Grok Imagine video by 6 or 10 seconds, preset or custom mode.

Probar este modelo

Grok Imagine Video Extend

xAI

Vídeo a vídeo

Grok Imagine Video Extend precios

Upscale a finished Grok Imagine video to HD from its task ID.

Probar este modelo

Grok Imagine Upscale

xAI

Vídeo a vídeo

Grok Imagine Upscale precios

I2V with optional end frame, 5 or 10s, Standard 720p or Pro 1080p, optional sound effects.

Probar este modelo

Kling 2.1

Kling

Imagen a vídeo

Kling 2.1 precios

T2V or I2V at 480p/720p, 5 or 10 second clips.

Probar este modelo

SeeDance 1.0

ByteDance

Texto a vídeo
Imagen a vídeo

SeeDance 1.0 precios

First- and last-frame video generation at 480p, 720p, or 1080p for 4–12 seconds.

Probar este modelo

SeeDance 1.0 Pro

ByteDance

Imagen a vídeo

SeeDance 1.0 Pro precios

Fast text-to-video and first-frame image-to-video at up to 1080p for 4–12 seconds.

Probar este modelo

SeeDance 1.0 Pro Fast

ByteDance

Texto a vídeo
Imagen a vídeo

SeeDance 1.0 Pro Fast precios

Steps, guidance, seed, and prompt upsampling controls, 7 aspect ratios up to 4 MP.

Probar este modelo

Flux.2 Flex

Black Forest Labs

Texto a imagen
Imagen a imagen

Flux.2 Flex precios

Maximum quality Flux.2 output, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.

Probar este modelo

Flux.2 Max

Black Forest Labs

Texto a imagen
Imagen a imagen

Flux.2 Max precios

T2V, I2V, or reference images with style presets, faster results at 480p, 720p, or 1080p.

Probar este modelo

Grok Imagine 1.5 Video Fast

xAI

Texto a vídeo
Imagen a vídeo
Referencia a vídeo

Grok Imagine 1.5 Video Fast precios

Fast xAI text-to-image and reference editing with up to 5 images.

Probar este modelo

Grok Imagine 1.0 Image

xAI

Texto a imagen
Imagen a imagen

Grok Imagine 1.0 Image precios

Browse model families

APIs por tarea

All models A–Z

Every model and variant on the platform, including the specialised routes that sit inside a family page.